77
responden yang menjawab sangat tidak setuju, mayoritas responden menjawab setuju sebesar 59.7 yang berarti baik. Hal ini menunjukkan
bahwa para perawat mampu berkomunikasi dengan baik terhadap pasien agar tidak terjadi kesalahan informasi.
4.3 Uji Asumsi Klasik
Sebelum melakukan analisis regresi perlu dilakukan uji asumsi klasik agar dapat perkiraan yang tidak bias dan efisien. Ada beberapa syarat asumsi klasik
yang harus dipenuhi yaitu : 1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistribusi normal. Ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafi dan uji statistik. Untuk melihat normalitas residual, peneliti menganalisis
grafik histogram yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plotyang
membandingkan distribusi kumulatif dan distribusi normal. 1. Analisis Grafik
Dasar pengambilan keputusan untuk Uji Normalitas sebagai berikut : a. Jika data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan
Universitas Sumatera Utara
78
pola distribusi nnormal, maka model regresi tidak memenuhi asumsi normalitas
Sumber : Hasil Pengolahan Data SPSS 2016
Gambar 4.2 Hasil Uji Regression Standardized Residual
Pada Tabel 4.2 terlihat bahwa data juga berdistribusi normal ini dapat dilihat pada scatterplot. Terlihat titik-titik yang mengikuti sebaran data disepanjang garis
diagonal.
Universitas Sumatera Utara
79
Gambar 4.3 Grafik Normal P-P
Plot
Pada Gambar 4.3 Grafik P-P Plotdapat dilihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, jadi dapat disimpulkan
bahwa data residual berdistribusi normal maka model regresi memenuhi asumsi normalitas.
2.
Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non
parametrik Kolmogorof-Smirnov K-S. Apabila nilai Kolmogorof-Smirnov Z
≤ Z tabel at au nilai asymp. Sig. 2 tailed � maka data dinyatakan
Universitas Sumatera Utara
80
berdistribusi normal. Berikut adalah Tabel 4.8 hasil Uji Kolmogorov Smirnov.
Tabel 4.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
76 Normal
Parameters
a,, b
Mean .0000000
Std. Deviation 1.43770064
Most Extreme
Differences Absolute
.086 Positive
.086 Negative
-.065 Kolmogorov-Smirnov Z
.753 Asymp. Sig. 2-tailed
.622 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan Data SPSS 2016
Menurut Umar 2008 : 181 bahwa, apabila pada hasil uji Kolmogorov- Smirnov
, nilai Asymp. Sig. 2-tailed lebih besar dari 0,05 � = 5, tingkat
signifikan maka data berdistribusi normal. Pada Tabel 4.8 dapat dilihat nilai Asymp.Sig adalah 0,622 lebih besar dari 0.05, sehingga model regresi yang
didapat adalah berdistribusi normal
2.Uji Multikolinieritas Uji ini bertujuan untuk menguji apakah didalam model regresi linier
ditemukan adanya korelasi yang tinggi diantara variabel bebas. Ada atau tidaknya
Universitas Sumatera Utara
81
multikolinieritas antar variabel dapat dilihat dari nilai variance inflation factor VIP untuk masing-masing variabel independent terhadap variabel dependent.
Pengambilan keputusannya : VIF 5 maka diduga mempunyai persoalan multikolinieritas
VIF 5 maka tidak terdapat multikolinieritas Tolerence
0,1 maka diduga mempunyai persoalan multikolinieritas Tolerence
0,1 maka tidak terdapat multikolinieritas
Tabel 4.9 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 1.127
1.742 .647
.519 Kemampuan
.975 .035
.927 28.237
.000 .970
1.031 Lingkungan_Kerja
.278 .066
.138 4.216
.000 .970
1.031 a. Dependent Variable: Kinerja_Perawat
Sumber : Hasil pengolahan data primer dengan SPSS 2016
Pada Tabel 4.9 variabel kemampuan dan lingkungan kerja memiliki nilai Tolerance 0,1 dan nilai VIF 5 maka variabel tersebut tidak mempunyai
persoalan multikolinieritas.
3.
Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari suatu residual pengamatan ke pengamatan lain.
Gejala heteroskedastisitas dapat dideteksi dengan 2 cara yaitu:
Universitas Sumatera Utara
82
1.
Analisis Grafik Gejala heteroskedastisitas dapat diliht dengan menggunakan grafik
Scatterplot . Apabila data yang berbentuk titik-titik tidak membentuk
suatu pola atau menyebar, maka model regresi tidak terkena heteroskedastisitas.
Krikteria kepuasan: a. Jika diagram pencar yang ada membentuk pola-pola tertentu yang
teratur maka regresi mengalami gangguan heteroskedastisitas b. Jika diagram pencar yang ada tidak membentuk pola-pola tertentu
yang teratur maka regresi tidak mengalami gangguan heteroskedastisitas.
Sumber : Hasil Pengolahan Data SPSS 2016 Gambar 4.4
Scatterplot Uji Heteroskedastisitas
Universitas Sumatera Utara
83
Dari Gambar 4.4 terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun
dibawah angka nol pada sumbu Y, dengan demikian dapat dikatakan bahwa tidak terjadi heteroskedastisitas pada model regresi.
2.
Analisis Statistik Krikteria Keputusan
a. Jika probabilitas 0,05 maka tidak mengalami gangguan heteroskedastisitas.
b. Jika probabilitas 0,05 maka mengalami gangguan heteroskedastisitas.
Tabel 4.10 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.470
1.084 3.201
.002 Kemampuan
.045 .021
.242 .505
.618 Lingkungan_Kerja
.030 .041
.085 .740
.462 a. Dependent Variable: absut
Sumber : Hasil Pengolahan Data SPSS 2016 Pada Tabel 4.10 dapat dilihat bahwa kolom Sig. pada tabel coefficient
regresi untuk variabel independent adalah 0,618; 0,462 atau probabilitas lebih besar dari 0,05 maka tidak terjadi gangguan heteroskedastisitas. Hal ini
Universitas Sumatera Utara
84
menunjukkan semua variabel independent yang terdiri dari kemampuan dan lingkungan kerja signifikan secara statistik mempengaruhi variabel dependent.
4.4 Analisis Regresi Linier Berganda
